任何趣味都不是自然的、純粹的，都是習性、資本和場域互相作用的產(chǎn)物。而隱匿于個性（品味）背后的算法推薦賦予了階級區(qū)分天然的合理性。

品味：一把精細、隱匿的社會等級標尺

你怎樣穿戴?？词裁措娨暪?jié)目，或者看不看電視，你吃什么飯，或者什么時間吃飯...這些都是你所屬社會等級的指示計！

你屬于哪個階層？

 到底有多少社會等級？

人們的常識認為只有兩種：富人和窮人，或者統(tǒng)治階級和被統(tǒng)治階級。隨著生活水準的普遍提高，這一簡單劃分顯然不再適用。社會學家傾向于五種階層的劃分：上層、上中產(chǎn)階級、中產(chǎn)階級、下中產(chǎn)階級、下層。

保羅 福賽爾通過研究和觀察后認為，美國社會階層可以分為九種：看不見的頂層、上層階級、中上層階級（此三種為上層）、中產(chǎn)階級、上層貧民、中層貧民、下層貧民（此四種為中層）、赤貧階級、以及看不見的底層（此兩種為下層）

消費者的社會等級與社會所認可的藝術(shù)等級相符，并在每種藝術(shù)內(nèi)部，與社會認可的題材、流派或時代的等級相符。這就使趣味作為“等級”的特別標志起作用。

個性推薦：不平等的信息分發(fā)

個性推薦系統(tǒng)建立在大數(shù)據(jù)與云計算等技術(shù)支撐之上，目前推薦系統(tǒng)中常用到的算法包括用戶偏好算法、協(xié)同過濾算法（item_base，user_base）、關(guān)聯(lián)規(guī)則算法、聚類算法、內(nèi)容相似性算法（content_base）以及一些其它的補充算法。

指導技術(shù)運作的邏輯基于三個簡單的過濾機制：找出他們是誰，他們喜歡什么；提供你適合的內(nèi)容與服務；適合的才是最好的。

實際上，無論是基于社交網(wǎng)絡推薦，還是基于動作特征：點擊、停留、滑動、評論、分享或是基于環(huán)境特征（場景）：wi-fi 還是3G環(huán)境；GPS定位，是在常住地還是處于旅行的狀態(tài)；是白天還是夜晚等等；還是社交特征：朋友的身份地位，圈子的共同特征。無非都是資本、習性和場域互相作用的產(chǎn)物。歸根結(jié)底就是基于興趣的區(qū)分。

我們以為按照“個性”“興趣”“品味”這類帶有自然屬性的標尺去分發(fā)信息應該可以創(chuàng)造出一個高效、民主、自由的信息共享平臺，但是，很明顯，品味天然帶有階級區(qū)隔與不平等的標記，因此，換言之，個性推薦是一種不平等的推薦，是帶有階級區(qū)隔的“猜你喜歡”。

信息社會所帶來的“繭房”效應從某種程度上講使上層階級擺脫了垃圾信息，而對于下層階級來講卻是囿于低級的“個人日報”。

布爾迪厄指出，科學考察反對將合法文化方面的趣味看作是天賦的超凡魅力觀念。

調(diào)查證實，所有文化實踐：去博物館、音樂會、展覽會 閱讀等等，（這里可以將其替換為在互聯(lián)網(wǎng)時代個性化推薦下的文化實踐：諸如新聞資訊的獲?。欢拱晟祥喿x與觀影的行為；網(wǎng)易公開課中關(guān)注的信息資源；網(wǎng)易云音樂的個性推薦）以及文學、繪畫和音樂方面的偏好，都與（依學歷或?qū)W習年限衡量的）教育水平密切相關(guān)，其次與社會出生相關(guān)。而教育水平本身又與社會資本高度相符。

因此，把趣味當作客觀的，純粹先天自然的觀點是有誤的，而把誤解的主體當做判斷力衡量的標準，企圖施與人們平等的信息環(huán)境無疑是有待考證的。隱匿于個性背后的算法推薦賦予了階級區(qū)分天然的合理性。

現(xiàn)在，人們審慎算法邏輯，審慎算法推薦，但人們將太多的注意力放在科技對人性沖擊的集體恐慌中，他們擔心基于人的身份特性推薦信息最終演變?yōu)榭腕w塑造主體，就像麥克盧漢所說的一樣，（We shape our tools, and thereafter our tools shape us.）。但是，科技形塑人類始終是基于人類的意志，我們現(xiàn)在應該審慎的是一些人如何用科技征服（蒙昧）另一些人。否則，正如奧威爾所說“這個世界上，人人生而平等，但有些人比另一些人更加平等”

本文為北大新媒體原創(chuàng)，轉(zhuǎn)載請注明出處

北大新媒體

微信號：beidaxinmeiti

微博：@北大新媒體